クライオEMにおける深層学習ベースの自動モデル構築法のドットをつなぐ

科学分野:

• 構造生物学
• 生物物理学
• 計算生物学

背景:

• 単粒子クライオ電子顕微鏡（クライオEM）は、生体分子複合体の構造決定を進歩させてきた。
• クライオEM密度マップからの正確な原子モデル構築は、低解像度と高解像度の両方で重要であるが、困難である。

研究 の 目的:

• クライオEM密度マップにおける自動原子モデル構築のための深層学習ベースの手法をレビューする。
• これらの手法が構造決定の合理化に与える影響を評価する。
• モデル化する生体分子構造の階層的組織に基づいて深層学習ツールを分類する。

主な方法:

• 一次構造、二次構造、三次構造、四次構造をモデル化することに基づく深層学習手法の分類。
• 'de novo'（直接予測）および'hybrid'（テンプレート統合）アプローチへのツールの分類。
• データセットサイズ、多様性、および構造的不均一性を含む制限についての議論。

主要な成果:

• 深層学習は、クライオEMにおける原子モデル構築を自動化・高速化するための強力なツールを提供する。
• 手法は、生体分子構造の異なるレベルをモデル化する能力に基づいて分類される。
• de novoアプローチとハイブリッドアプローチの両方の深層学習手法が開発されている。